Hai bisogno di una versione PDF dell’articolo per una lettura più comoda o per conservarne una copia? Clicca sul link sottostante per scaricare il PDF direttamente sul tuo dispositivo.
Scarica l’articolo in PDF (ITA)Do you need a PDF version of the article for easier reading or to keep a copy? Click the link below to download the PDF directly to your device.
Download Article as PDF (ENG)
Meta accusata di furto digitale:
7,5 milioni di libri rubati per nutrire Llama
Meta, il colosso tecnologico di Mark Zuckerberg, si trova al centro di uno scandalo che potrebbe ridefinire il rapporto tra intelligenza artificiale e proprietà intellettuale. L’azienda è accusata di aver scaricato illegalmente 81,7 terabyte di dati – equivalenti a circa 7,5 milioni di libri e 81 milioni di articoli scientifici – per addestrare Llama, il modello alla base della sua intelligenza artificiale. Una violazione del copyright di proporzioni colossali che solleva interrogativi fondamentali sull’etica dello sviluppo tecnologico. Immagina di essere un autore che ha dedicato anni della propria vita a scrivere un’opera, solo per scoprire che una delle aziende più potenti al mondo l’ha utilizzata senza permesso né compenso per potenziare i propri prodotti commerciali. Come ti sentiresti?
La scoperta del “bottino digitale” di Meta
Documenti giudiziari recentemente desecretati hanno rivelato l’entità impressionante dell’operazione di Meta: oltre 81,7 terabyte di dati scaricati tramite il protocollo BitTorrent da “biblioteche ombra” come LibGen e Z-Library. Questi archivi digitali, noti per ospitare contenuti piratati, hanno fornito a Meta la materia prima per addestrare i suoi modelli di intelligenza artificiale, in particolare Llama 3.
La pratica è emersa nell’ambito di una causa collettiva intentata da vari autori contro Meta, tra cui Sarah Silverman, Ta-Nehisi Coates e Richard Kadrey. La questione è particolarmente grave perché, come dimostrano le e-mail interne tra i dipendenti dell’azienda, Meta era pienamente consapevole della natura illegale di questa operazione. Alcuni membri del team si riferivano esplicitamente a LibGen come “dataset che sappiamo essere piratato”, eppure hanno proceduto comunque con il suo utilizzo.
Il ruolo di Zuckerberg e la strategia aziendale
Dalle testimonianze emerse in tribunale, risulta che lo stesso Mark Zuckerberg, identificato nelle comunicazioni interne come “MZ”, avrebbe personalmente approvato l’utilizzo di LibGen per l’addestramento dei modelli di intelligenza artificiale. Questo malgrado le preoccupazioni espresse da alcuni dirigenti del team AI e da altri membri dell’azienda, che avevano avvertito che tale pratica “potrebbe minare la posizione negoziale di Meta con i regolatori”.
Ma perché Meta ha scelto questa strada rischiosa? Secondo quanto emerso, l’azienda aveva inizialmente considerato di acquisire legalmente i diritti dei contenuti, ma ha poi scartato questa opzione per tre motivi fondamentali: sarebbe stato costoso, avrebbe richiesto tempo e, soprattutto, avrebbe impedito di invocare successivamente la dottrina del “fair use”.
Fair use o furto digitale? Il nodo legale della questione
Meta si sta difendendo in tribunale invocando proprio il principio del “fair use”, una dottrina del diritto anglosassone che permette, in determinate circostanze, l’utilizzo di opere protette da copyright per creare qualcosa di nuovo e “trasformativo”3. Ma questa interpretazione è fortemente contestata.
Il giudice federale Vince Chhabria ha già dato il via libera alla causa per violazione del copyright, riconoscendo che gli autori hanno presentato prove sufficienti per sostenere che Meta abbia intenzionalmente rimosso le informazioni sul copyright per nascondere le proprie azioni3. Un primo punto a favore degli autori che potrebbe avere conseguenze importanti.
È fondamentale comprendere che il “fair use” non è riconosciuto nell’Unione Europea e, anche negli Stati Uniti, si applica principalmente a usi non commerciali o a beneficio della collettività. Pensa alle biblioteche che riproducono libri per renderli accessibili alla comunità senza scopo di lucro. L’utilizzo da parte di Meta per sviluppare prodotti commerciali difficilmente può rientrare in questa categoria.
I casi concreti: autori celebri e opere “rubate”
La portata di questa appropriazione è impressionante. LibGen, il database piratato utilizzato da Meta, contiene opere di autori celebri come Andy Warhol, Ai Weiwei, Marina Abramovic, e persino pubblicazioni di musei e istituzioni artistiche2. Per farti un’idea concreta, immagina che potrebbe esserci anche il tuo autore preferito tra quelli “saccheggiati” da Meta.
Tra gli autori che hanno intentato causa troviamo nomi di primo piano come Sarah Silverman, Ta-Nehisi Coates, Christopher Golden e Richard Kadrey36. Ma questi sono solo la punta dell’iceberg. Con 7,5 milioni di libri nel database utilizzato, è probabile che quasi ogni autore contemporaneo sia stato coinvolto in questa massiccia violazione del copyright.
Le implicazioni per il futuro dell’IA e della proprietà intellettuale
Questo caso solleva interrogativi profondi sul futuro dell’intelligenza artificiale e sulla protezione della proprietà intellettuale nell’era digitale. Se le grandi aziende tecnologiche potessero liberamente utilizzare qualsiasi opera protetta da copyright senza autorizzazione né compenso, quale sarebbe il futuro per autori, artisti e creatori di contenuti?
Pensa alla tua situazione personale: se fossi uno scrittore o un artista, come ti sentiresti sapendo che il tuo lavoro è stato utilizzato senza il tuo consenso per addestrare un’intelligenza artificiale che potrebbe potenzialmente replicare il tuo stile o addirittura rendere obsoleto il tuo lavoro?
D’altra parte, è innegabile che per sviluppare sistemi di IA avanzati siano necessari enormi volumi di dati. La sfida consiste nel trovare un equilibrio che rispetti i diritti degli autori pur permettendo l’innovazione tecnologica. Come ha sottolineato un articolo di Punto Informatico: “La sfida è trovare un nuovo punto di equilibrio. Un patto tra diritto d’autore e intelligenza artificiale che garantisca agli autori il giusto riconoscimento e compenso, ma che non leghi le mani al progresso tecnologico”.
Non solo Meta: un problema sistemico
È importante sottolineare che Meta non è l’unica azienda a trovarsi in questa situazione. Il caso mette in luce una pratica che potrebbe essere diffusa nel settore dell’IA. Anche OpenAI, la società dietro ChatGPT, è stata citata in giudizio per accuse simili.
Questo ci porta a una riflessione più ampia: molti strumenti di IA generativa che utilizziamo quotidianamente, come ChatGPT o le funzionalità di IA integrate in Facebook, Instagram e WhatsApp, potrebbero essere stati sviluppati utilizzando contenuti protetti da copyright senza autorizzazione2.
Conclusion: verso un nuovo paradigma
Il caso Meta rappresenta un punto di svolta potenziale nella regolamentazione dell’intelligenza artificiale. Le decisioni che verranno prese nei tribunali potrebbero stabilire importanti precedenti per il futuro dello sviluppo dell’IA e della protezione della proprietà intellettuale.
Come utenti e cittadini, è fondamentale essere consapevoli di queste problematiche. Le tecnologie che utilizziamo quotidianamente non nascono dal nulla, ma sono costruite su fondamenta che possono includere il lavoro intellettuale di milioni di persone. La questione che dobbiamo porci è: a quale prezzo vogliamo l’innovazione? E chi dovrebbe sostenere questo prezzo?
Il caso Meta ci ricorda che, nell’entusiasmo per i progressi tecnologici, non dobbiamo perdere di vista i principi fondamentali di equità e rispetto per il lavoro creativo. Se vogliamo un futuro in cui sia l’intelligenza artificiale che la creatività umana possano prosperare, è essenziale trovare soluzioni che rispettino entrambe.
Il caso Meta e il “bottino digitale”
Meta, la società madre di Facebook, Instagram e WhatsApp, è accusata di aver acquisito illegalmente un’enorme quantità di contenuti protetti da copyright per addestrare i suoi modelli di intelligenza artificiale, in particolare Llama 3.
Le accuse specifiche, emerse da documenti giudiziari recentemente desecretati, includono:
- Download massivo di contenuti piratati: Meta avrebbe utilizzato il protocollo BitTorrent per scaricare materiale da “biblioteche ombra” come LibGen e Z-Library, noti repository di contenuti piratati
- Consapevolezza dell’illegalità: Comunicazioni interne dimostrano che Meta era pienamente consapevole della natura illegale di queste fonti, con dipendenti che si riferivano a LibGen come “dataset che sappiamo essere piratato”
- Rimozione deliberata di informazioni sul copyright: Gli autori sostengono che Meta abbia intenzionalmente rimosso le informazioni sul copyright dai contenuti utilizzati
- Approvazione ai massimi livelli: Mark Zuckerberg (identificato nelle comunicazioni interne come “MZ”) avrebbe personalmente approvato l’utilizzo di questi materiali piratati, ignorando i potenziali rischi legali
La portata di questa operazione è senza precedenti: 81,7 terabyte di dati rappresentano una delle più grandi appropriazioni illegali di proprietà intellettuale nella storia. Per contestualizzare, si tratta approssimativamente dell’equivalente di:
- Tutte le opere pubblicate da decine di migliaia di autori nell’arco di intere carriere
- L’intero catalogo di numerosi editori importanti
- Molti anni di produzione scientifica globale
Questa massiccia acquisizione di dati non è stata un’operazione casuale ma, secondo quanto emerso, una strategia deliberata per alimentare lo sviluppo dei modelli di intelligenza artificiale di Meta, in particolare Llama 3, che compete con modelli come GPT di OpenAI e Claude di Anthropic.
Meta si sta difendendo dalle accuse invocando principalmente la dottrina del “fair use” (uso corretto), un principio del diritto d’autore statunitense che, in determinate circostanze, consente l’utilizzo di materiale protetto da copyright senza l’autorizzazione del titolare dei diritti.
- Scopo e carattere dell’uso: Se l’uso è “trasformativo” (crea qualcosa di nuovo) e/o ha finalità educative/di ricerca vs. commerciali
- Natura dell’opera protetta: Se l’opera è prevalentemente fattuale o creativa
- Quantità e importanza della parte utilizzata: Quanto dell’opera originale viene utilizzato
- Effetto sul potenziale mercato dell’opera: Se l’uso riduce il valore commerciale dell’opera originale
- Uso trasformativo: L’IA crea qualcosa di completamente nuovo e diverso dalle opere originali
- Beneficio pubblico: Lo sviluppo dell’IA porta benefici sociali significativi
- No impatto economico diretto: L’addestramento non sostituisce l’acquisto delle opere originali
- Necessità tecnica: Modelli avanzati di IA richiedono necessariamente grandi volumi di dati
Una rivelazione significativa emersa dai documenti legali è che Meta aveva inizialmente considerato di acquisire legalmente i diritti dei contenuti, ma ha poi optato per l’utilizzo di materiali piratati per tre ragioni principali:
- Costi: L’acquisizione legale dei diritti sarebbe stata estremamente costosa
- Tempo: Negoziare licenze con migliaia di titolari di diritti avrebbe richiesto anni
- Strategia legale: Ottenere licenze avrebbe potenzialmente indebolito la capacità di invocare successivamente la dottrina del “fair use”
Limiti del “fair use” in questo caso:
- Il “fair use” tipicamente si applica a porzioni limitate di un’opera, non all’appropriazione di opere intere su scala massiva
- La dottrina favorisce usi non commerciali, mentre Meta sviluppa prodotti commerciali
- L’utilizzo deliberato di fonti piratate, con consapevolezza della loro illegalità, potrebbe compromettere l’argomento del “fair use”
- La rimozione delle informazioni sul copyright è specificamente vietata dal Digital Millennium Copyright Act (DMCA)
È importante notare che il “fair use” è una dottrina specifica del diritto americano. Nell’Unione Europea e in molti altri paesi, non esistono eccezioni equivalenti così ampie, rendendo la posizione legale di Meta potenzialmente ancora più problematica in giurisdizioni internazionali.
La causa collettiva contro Meta include diversi autori di alto profilo, ma rappresenta potenzialmente gli interessi di praticamente tutti gli autori contemporanei le cui opere sono state incluse nelle “biblioteche ombra” utilizzate dall’azienda.
La portata dell’appropriazione va ben oltre questi nomi noti. LibGen e Z-Library, le fonti utilizzate da Meta, contengono milioni di libri e articoli di praticamente ogni genere e categoria, inclusi:
- Opere letterarie di autori contemporanei e classici
- Saggistica accademica di varie discipline
- Pubblicazioni scientifiche da riviste specializzate
- Manuali tecnici e libri di testo
- Opere artistiche e culturali, inclusi cataloghi di musei e istituzioni
- Biografie e memorie di figure pubbliche e private
Tra i contenuti identificati nei database utilizzati da Meta ci sono opere di figure culturali significative come Andy Warhol, Ai Weiwei e Marina Abramovic, insieme a pubblicazioni di importanti istituzioni culturali. Con 7,5 milioni di libri stimati nel “bottino digitale”, è probabile che qualsiasi autore pubblicato negli ultimi decenni sia stato involontariamente “contribuente” all’addestramento dell’AI di Meta.
Ciò che rende questo caso particolarmente significativo è l’ampiezza senza precedenti dell’appropriazione. Non si tratta dell’uso di alcune opere selezionate, ma di un’acquisizione sistematica e massiva di contenuti protetti da copyright su una scala mai vista prima in una disputa sulla proprietà intellettuale.
Meta inizia a scaricare massicce quantità di dati da “biblioteche ombra” come LibGen e Z-Library utilizzando il protocollo BitTorrent, accumulando 81,7 terabyte di contenuti protetti da copyright.
Meta rilascia il suo primo modello linguistico di grandi dimensioni, LLaMA (Large Language Model Meta AI), addestrato sui dati controversi.
Un gruppo di autori, tra cui Sarah Silverman, Ta-Nehisi Coates e Richard Kadrey, avvia una causa legale contro Meta, accusando l’azienda di violazione del copyright per l’uso non autorizzato delle loro opere nell’addestramento dei modelli di IA.
Meta rilascia Llama 2, una versione aggiornata del suo modello IA, anch’essa presumibilmente addestrata sui contenuti controversi.
Il giudice federale Vince Chhabria respinge il tentativo di Meta di archiviare la causa, permettendo al caso di procedere su accuse di violazione del copyright. Il giudice riconosce che ci sono prove sufficienti per sostenere che Meta abbia rimosso intenzionalmente le informazioni sul copyright.
Vengono desecretati documenti giudiziari che rivelano l’entità dell’operazione di Meta e le comunicazioni interne che dimostrano la consapevolezza dell’azienda riguardo alla natura piratata dei contenuti utilizzati.
Meta rilascia Llama 3, la terza generazione del suo modello IA, mentre la controversia legale continua a svilupparsi.
Il caso è attualmente in fase di discovery, con gli avvocati degli autori che cercano ulteriori prove sulle pratiche di Meta. La causa potrebbe potenzialmente espandersi per includere più autori e opere.
Il caso ha superato la fase iniziale critica quando il giudice Chhabria ha respinto la mozione di Meta per archiviare la causa, permettendo che procedesse. Questa decisione rappresenta un primo significativo ostacolo superato dagli autori e suggerisce che il tribunale ritiene che le loro accuse abbiano sufficiente fondamento per meritare un’ulteriore esame.
Punti chiave dell’attuale stato del procedimento legale:
- Il giudice ha consentito che la causa proceda specificamente per le accuse di violazione del copyright e di rimozione intenzionale delle informazioni sul copyright
- La fase di discovery è in corso, con potenziale accesso a ulteriori comunicazioni interne e documenti di Meta
- Il precedente stabilito da questo caso potrebbe influenzare numerose altre cause simili contro aziende di IA
- Meta continua a sviluppare e rilasciare nuove versioni dei suoi modelli mentre il caso è in corso
La sentenza finale in questo caso potrebbe richiedere anni, dato il ritmo tipico dei procedimenti legali complessi negli Stati Uniti, specialmente quelli che coinvolgono questioni tecnologiche e legali intricate come l’intersezione tra IA e diritti d’autore.
Il caso Meta rappresenta un potenziale punto di svolta nella regolamentazione dell’intelligenza artificiale e potrebbe stabilire precedenti cruciali che influenzeranno l’intero settore tecnologico per decenni.
Implicazioni fondamentali di questo caso:
- Ridefinizione del “fair use” nell’era dell’IA: La sentenza potrebbe stabilire se e in quali circostanze l’uso di opere protette da copyright per l’addestramento di modelli IA rientra nella dottrina del “fair use”
- Bilanciamento tra innovazione e diritti degli autori: Il caso mette in discussione come bilanciare la necessità di enormi dataset per sviluppare IA avanzate con i diritti degli autori di controllare l’uso delle loro opere
- Modelli di compensazione: Potrebbe emergere un nuovo paradigma per come gli autori e i creatori di contenuti vengono compensati quando le loro opere sono utilizzate per addestrare l’IA
- Standard industriali: L’esito potrebbe costringere le aziende tecnologiche a rivedere le loro pratiche di acquisizione dei dati e a sviluppare approcci più trasparenti e rispettosi dei diritti
- Implicazioni internazionali: Le decisioni prese negli USA potrebbero influenzare le normative e le pratiche a livello globale
- Espansione significativa della dottrina del “fair use”
- Probabile aumento dell’utilizzo non autorizzato di contenuti protetti
- Potenziale riduzione degli incentivi per la creazione di contenuti originali
- Accelerazione dello sviluppo dell’IA, ma con rischi per la diversità culturale
- Possibile ulteriore concentrazione di potere nelle mani delle grandi aziende tecnologiche
- Necessità per le aziende tecnologiche di ottenere licenze e compensare i creatori
- Potenziale rallentamento dello sviluppo dell’IA, ma con maggiore rispetto per i diritti
- Creazione di nuovi mercati per le licenze di contenuti per l’addestramento dell’IA
- Maggiore incentivo per lo sviluppo di dati sintetici o pubblicamente disponibili
- Bilanciamento più equo tra innovazione tecnologica e tutela dei diritti creativi
Questo caso non riguarda solo Meta o un gruppo specifico di autori, ma l’intera relazione tra creatività umana e intelligenza artificiale. La questione centrale è come conciliare due esigenze apparentemente contrastanti: da un lato, lo sviluppo dell’IA richiede l’accesso a enormi volumi di dati; dall’altro, i creatori di quei dati meritano riconoscimento, controllo e compenso per il loro lavoro.
L’esito di questa causa potrebbe influenzare non solo il futuro di Meta e dei suoi modelli di IA, ma l’intero ecosistema della proprietà intellettuale nell’era digitale, stabilendo precedenti che potrebbero guidare lo sviluppo tecnologico dei prossimi decenni e ridefinire il valore della creatività umana in un mondo sempre più dominato dall’intelligenza artificiale.
Meta non è affatto sola in questa controversia. L’utilizzo di contenuti protetti da copyright per l’addestramento di modelli di IA è una pratica diffusa nell’industria, con numerose aziende leader che affrontano sfide legali simili.
Il caso Meta è particolarmente significativo per diversi motivi:
- Evidenza documentale: Le comunicazioni interne rivelate offrono uno sguardo raro sulla consapevolezza aziendale riguardo alla natura problematica delle pratiche di acquisizione dei dati
- Scala dell’appropriazione: L’entità del download (81,7 TB) è eccezionale anche per gli standard del settore
- Coinvolgimento diretto del CEO: Le prove che suggeriscono l’approvazione personale di Zuckerberg aggiungono un livello di responsabilità ai massimi livelli
La verità scomoda è che praticamente tutti i principali modelli di IA generativa attualmente sul mercato sono stati addestrati, in misura maggiore o minore, su contenuti protetti da copyright senza esplicite autorizzazioni. Questo include i modelli che alimentano strumenti popolari come ChatGPT, Google Gemini, Midjourney, DALL-E, e molti altri.
Perché questa pratica è così diffusa?
- Necessità tecniche: I modelli di IA generativa richiedono quantità enormi di dati per funzionare efficacemente
- Mancanza di alternative: Non esistono dataset sufficientemente ampi composti solo da opere di pubblico dominio o create specificatamente per l’addestramento
- Ambiguità legale: L’applicabilità del “fair use” all’addestramento dell’IA è rimasta in una zona grigia legale
- Competizione intensa: La corsa per sviluppare modelli IA sempre più avanzati ha spinto le aziende a utilizzare qualsiasi dato disponibile
- Pratiche storiche: L’abitudine del settore tecnologico di “muoversi velocemente e rompere le cose” ha favorito un approccio di “chiedere perdono, non permesso”
L’esito del caso Meta potrebbe quindi avere ripercussioni a catena su praticamente tutte le principali aziende di intelligenza artificiale, potenzialmente costringendo l’intero settore a riconsiderare le proprie pratiche di acquisizione dei dati e i modelli di business.
Il caso Meta evidenzia la necessità urgente di nuovi modelli che possano conciliare lo sviluppo dell’IA con il rispetto della proprietà intellettuale. Diverse possibili soluzioni stanno emergendo dal dibattito:
- Modelli di licenza collettiva: Creazione di società di gestione collettiva dei diritti specifiche per l’addestramento dell’IA, simili a quelle esistenti per la musica (tipo SIAE), che potrebbero negoziare licenze a nome di gruppi di autori
- Sistema di compenso forfettario: Implementazione di una royalty standard che le aziende tecnologiche pagherebbero per l’uso di contenuti nell’addestramento, con la distribuzione dei proventi tramite un sistema di tracciamento
- Opt-in/Opt-out: Meccanismi che permettano ai creatori di scegliere esplicitamente se consentire l’uso delle loro opere per l’addestramento dell’IA, potenzialmente con compensi variabili
- Dataset pubblici con licenza: Creazione di ampi database di contenuti specificamente licenziati per l’addestramento dell’IA, con compensi appropriati per i creatori
- Metadati di attribuzione: Tecnologie che consentano ai modelli IA di tracciare e riconoscere le fonti utilizzate nel loro addestramento
- Dati sintetici: Maggiori investimenti nella generazione di dati artificiali di alta qualità che non violino diritti d’autore
- Accordi di licenza diretti tra grandi aziende tecnologiche ed editori/organizzazioni di autori
- Nuove linee guida giudiziarie sull’applicazione del “fair use” all’addestramento dell’IA
- Implementazione di strumenti opt-out che permettano agli autori di escludere le loro opere
- Creazione di fondi compensativi da parte delle aziende tecnologiche
- Riforma legislativa completa del diritto d’autore per l’era dell’IA
- Nuovi standard tecnologici per l’attribuzione e il tracciamento dei contenuti
- Ecosistemi economici completamente nuovi che valorizzino il contributo creativo
- Modelli IA che possano essere addestrati con set di dati significativamente più piccoli
Alcuni esperimenti promettenti sono già in corso:
- L’accordo tra OpenAI e Associated Press per l’uso di archivi di notizie nell’addestramento dei modelli
- La piattaforma Spawning.ai che consente agli artisti di escludere le proprie opere dai modelli di generazione di immagini
- L’iniziativa Books3 di Eleuther AI per creare un dataset di addestramento con opere di pubblico dominio
- I modelli di trasparenza di alcune aziende che documentano le fonti utilizzate nel loro addestramento
La soluzione ideale dovrebbe bilanciare diversi fattori apparentemente in conflitto:
- Garantire una compensazione equa ai creatori di contenuti
- Facilitare l’accesso ai dati necessari per l’innovazione nell’IA
- Creare meccanismi praticabili che non soffochino lo sviluppo con oneri amministrativi eccessivi
- Rispettare i diritti morali degli autori riguardo all’uso delle loro opere
- Promuovere la trasparenza su come i contenuti vengono utilizzati
Il caso Meta, indipendentemente dal suo esito specifico, ha già avviato una conversazione cruciale su come ridefinire il rapporto tra creatività umana e intelligenza artificiale in un’era in cui i confini tra creatori e creazioni diventano sempre più sfumati.
Da informatico a cercatore di senso
